更改

== 历史 History ==

== 历史 History ==

亚里士多德定义了因果关系的分类法，包括质料因、形式因、动力因、目的因。休谟更偏爱反事实，他拒绝了亚里士多德的分类法。有段时间，他否认物体本身具有使得一个物体成为原因而另一个物体成为结果的“力量”。<ref name=":1" />{{rp|[{{google books|plainurl=y|id=9H0dDQAAQBAJ|page=264}} 264]}}后来，他接受了“如果第一物体还没存在，第二个根本不存在”的观点（“but-for”因果关系）。<ref name=":1" />{{rp|[{{google books|plainurl=y|id=9H0dDQAAQBAJ|page=264}} 264]}}

亚里士多德定义了因果关系的分类法，包括质料因、形式因、动力因、目的因。休谟更偏爱反事实，他拒绝了亚里士多德的分类法。有段时间，他否认物体本身具有使得一个物体成为原因而另一个物体成为结果的“力量”。<ref name="Pearl 2000 p. ">{{cite book | last=Pearl | first=Judea | title=Causality : models, reasoning, and inference | publisher=Cambridge University Press | publication-place=Cambridge, U.K. New York | year=2000 | isbn=978-0-521-77362-1 | oclc=834142635 | page=264}}</ref>

后来，他接受了“如果第一物体还没存在，第二个根本不存在”的观点（“but-for”因果关系）。<ref name="Pearl 2000 p. ">{{cite book | last=Pearl | first=Judea | title=Causality : models, reasoning, and inference | publisher=Cambridge University Press | publication-place=Cambridge, U.K. New York | year=2000 | isbn=978-0-521-77362-1 | oclc=834142635 | page=264}}</ref>

19世纪末，统计学学科开始形成。经过多年努力确定诸如生物遗传等领域的因果规则后，高尔顿引入了'''<font color="#ff8000"> 均值回归 Mean Regression </font>'''的概念（以二年生症候群为缩影），后来这将他引向了非因果的相关性概念。<ref name=":1" />{{rp|[{{google books|plainurl=y|id=9H0dDQAAQBAJ|page=264}} 264]}}

19世纪末，统计学学科开始形成。经过多年努力确定诸如生物遗传等领域的因果规则后，高尔顿引入了'''<font color="#ff8000"> 均值回归 Mean Regression </font>'''的概念（以二年生症候群为缩影），后来这将他引向了非因果的相关性概念。<ref name="Pearl 2000 p. ">{{cite book | last=Pearl | first=Judea | title=Causality : models, reasoning, and inference | publisher=Cambridge University Press | publication-place=Cambridge, U.K. New York | year=2000 | isbn=978-0-521-77362-1 | oclc=834142635 | page=264}}</ref>

作为一个实证主义者，皮尔逊将因果的概念从许多科学中去除，他认为因果关系是一种无法证明的特殊的关联，并引入相关系数作为关联强度的度量方法。他写道: “作为运动原因的力，与作为成长原因的树神完全一样”，而因果关系只是“现代科学高深奥秘中的迷信”。皮尔逊在伦敦大学学院创立了期刊“Biometrika”和生物识别实验室，该实验室成为了统计领域的全球领军者。<ref name=":1" />{{rp|[{{google books|plainurl=y|id=9H0dDQAAQBAJ|page=264}} 264]}}

作为一个实证主义者，皮尔逊将因果的概念从许多科学中去除，他认为因果关系是一种无法证明的特殊的关联，并引入相关系数作为关联强度的度量方法。他写道: “作为运动原因的力，与作为成长原因的树神完全一样”，而因果关系只是“现代科学高深奥秘中的迷信”。皮尔逊在伦敦大学学院创立了期刊“Biometrika”和生物识别实验室，该实验室成为了统计领域的全球领军者。<ref name="Pearl 2000 p. ">{{cite book | last=Pearl | first=Judea | title=Causality : models, reasoning, and inference | publisher=Cambridge University Press | publication-place=Cambridge, U.K. New York | year=2000 | isbn=978-0-521-77362-1 | oclc=834142635 | page=264}}</ref>

1908年，Hardy和Weinberg通过重拾孟德尔遗传律，解决了导致高尔顿放弃因果关系的性状稳定问题。<ref name=":1" />{{rp|[{{google books|plainurl=y|id=9H0dDQAAQBAJ|page=264}} 264]}}

1908年，Hardy和Weinberg通过重拾孟德尔遗传律，解决了导致高尔顿放弃因果关系的性状稳定问题。<ref name="Pearl 2000 p. ">{{cite book | last=Pearl | first=Judea | title=Causality : models, reasoning, and inference | publisher=Cambridge University Press | publication-place=Cambridge, U.K. New York | year=2000 | isbn=978-0-521-77362-1 | oclc=834142635 | page=264}}</ref>

1921年，Wright的路径分析成为因果模型和因果图的理论雏形。<ref>{{Cite book|url={{google books |plainurl=y |id=yWWEIvNgUQ4C|page=707}} |title=The Oxford Handbook of Causation |volume=1 |editor-last=Beebee |editor-first=Helen|editor-last2=Hitchcock|editor-first2=Christopher|editor-last3=Menzies|editor-first3=Peter|date=2012-01-12|publisher=OUP Oxford|isbn=9780191629464|language=en|first=Samir |last=Okasha |chapter=Causation in Biology|chapter-url=http://www.oxfordhandbooks.com/view/10.1093/oxfordhb/9780199279739.001.0001/oxfordhb-9780199279739-e-0036|doi=10.1093/oxfordhb/9780199279739.001.0001 }}</ref>他开发了这种路径分析方法，试图同时阐明遗传、发育和环境对豚鼠皮毛模式的相对影响。他通过一个分析过程如何解释豚鼠出生体重、子宫内时间和产仔数之间的关系来支持他旁门左道的观点。杰出的统计学家对这些想法的反对使因果关系在接下来的40年中被家畜育种学家之外的科学家所忽略。取而代之的是，科学家们依赖于相关性，一定程度上是在批评Wright的领军统计学家Fisher的授意下。<ref name=":1" />唯一的例外是一名叫Burks的学生，在1926年首先应用路径图来表示中介影响，并断言保持中介变量恒定会引起误差。她可能独立地发明了路径图。<ref name=":1" />

1921年，Wright的路径分析成为因果模型和因果图的理论雏形。<ref>{{Cite book|url={{google books |plainurl=y |id=yWWEIvNgUQ4C|page=707}} |title=The Oxford Handbook of Causation |volume=1 |editor-last=Beebee |editor-first=Helen|editor-last2=Hitchcock|editor-first2=Christopher|editor-last3=Menzies|editor-first3=Peter|date=2012-01-12|publisher=OUP Oxford|isbn=9780191629464|language=en|first=Samir |last=Okasha |chapter=Causation in Biology|chapter-url=http://www.oxfordhandbooks.com/view/10.1093/oxfordhb/9780199279739.001.0001/oxfordhb-9780199279739-e-0036|doi=10.1093/oxfordhb/9780199279739.001.0001 }}</ref>他开发了这种路径分析方法，试图同时阐明遗传、发育和环境对豚鼠皮毛模式的相对影响。他通过一个分析过程如何解释豚鼠出生体重、子宫内时间和产仔数之间的关系来支持他旁门左道的观点。杰出的统计学家对这些想法的反对使因果关系在接下来的40年中被家畜育种学家之外的科学家所忽略。取而代之的是，科学家们依赖于相关性，一定程度上是在批评Wright的领军统计学家Fisher的授意下。<ref name="Pearl 2000 p. " />唯一的例外是一名叫Burks的学生，在1926年首先应用路径图来表示中介影响，并断言保持中介变量恒定会引起误差。她可能独立地发明了路径图。<ref name="Pearl 2000 p. " />

1923年，Neyman提出了潜在结果(potential outcome)的概念，但是直到1990年他的论文才被从波兰语翻译成英语。<ref name=":1" />

1923年，Neyman提出了潜在结果(potential outcome)的概念，但是直到1990年他的论文才被从波兰语翻译成英语。<ref name="Pearl 2000 p. " />

1958年，Cox警告说，仅当Z高概率不被自变量影响的时，控制变量Z才有效。<ref name=":1" />

1958年，Cox警告说，仅当Z高概率不被自变量影响的时，控制变量Z才有效。<ref name="Pearl 2000 p. " />

20世纪60年代，Duncan、Blalock、Goldberger等人重新发现了路径分析。Duncan在阅读Blalock关于路径图的著作时，想起了二十年前Ogburn的一次演讲，其中提到了Wright的论文，而后又提到了Burks。<ref name=":1" />

20世纪60年代，Duncan、Blalock、Goldberger等人重新发现了路径分析。Duncan在阅读Blalock关于路径图的著作时，想起了二十年前Ogburn的一次演讲，其中提到了Wright的论文，而后又提到了Burks。<ref name="Pearl 2000 p. " />

社会学家最初将因果模型称为'''<font color="#ff8000"> 结构方程模型 Structural Equation Modeling </font>'''，但一旦它成为教条式方法就失去了效用，导致一些从业者拒绝与因果关系的任何联系。经济学家采用了路径分析的代数部分，称其为'''<font color="#ff8000"> 联立方程建模 Simultaneous Equation Modeling </font>'''。但是，经济学家仍然避免将因果含义赋予他们的方程式。<ref name=":1" />

社会学家最初将因果模型称为'''<font color="#ff8000"> 结构方程模型 Structural Equation Modeling </font>'''，但一旦它成为教条式方法就失去了效用，导致一些从业者拒绝与因果关系的任何联系。经济学家采用了路径分析的代数部分，称其为'''<font color="#ff8000"> 联立方程建模 Simultaneous Equation Modeling </font>'''。但是，经济学家仍然避免将因果含义赋予他们的方程式。<ref name="Pearl 2000 p. " />

Wright在发表第一篇论文60年后，根据Karlin等人的批评，发表了一篇概述该论文的文章，该论文反对仅处理线性关系，而鲁棒的、非模型的数据表示方式则更具揭示性。<ref name=":1" />

Wright在发表第一篇论文60年后，根据Karlin等人的批评，发表了一篇概述该论文的文章，该论文反对仅处理线性关系，而鲁棒的、非模型的数据表示方式则更具揭示性。<ref name="Pearl 2000 p. " />

1973年，Lewis提倡用but-for因果关系（反事实）代替相关性。他提到了人类具有想象某个原因是否发生和结果仅在原因后发生的不同可选世界的能力。<ref name=":1" />1974年Rubin引入了“潜在结果”(potential outcome)的概念，作为询问因果问题的语言。<ref name=":1" />

1973年，Lewis提倡用but-for因果关系（反事实）代替相关性。他提到了人类具有想象某个原因是否发生和结果仅在原因后发生的不同可选世界的能力。<ref name="Pearl 2000 p. " />1974年Rubin引入了“潜在结果”(potential outcome)的概念，作为询问因果问题的语言。<ref name="Pearl 2000 p. " />

1983年，Cartwright提出与一个结果因果相关的任何因子都是有条件的，不再以简单的概率作为唯一指导。<ref name=":1" />

1983年，Cartwright提出与一个结果因果相关的任何因子都是有条件的，不再以简单的概率作为唯一指导。<ref name="Pearl 2000 p. " />

1986年，Baron和Kenny引入了检测和评估线性方程系统中的中介的原理。截至2014年，他们的论文是有史以来被引用最多的第33篇。<ref name=":1" />那年，Greenland和Robins通过考虑反事实，引入了“可交换性”方法，来处理混杂问题。他们提出评估如果治疗组没有接受治疗会给治疗组带来什么后果，并将其结果与对照组进行比较。如果结果一致，说明没有混杂因子。<ref name=":1" />

1986年，Baron和Kenny引入了检测和评估线性方程系统中的中介的原理。截至2014年，他们的论文是有史以来被引用最多的第33篇。<ref name="Pearl 2000 p. " />那年，Greenland和Robins通过考虑反事实，引入了“可交换性”方法，来处理混杂问题。他们提出评估如果治疗组没有接受治疗会给治疗组带来什么后果，并将其结果与对照组进行比较。如果结果一致，说明没有混杂因子。<ref name="Pearl 2000 p. " />

哥伦比亚大学设有因果人工智能实验室，该实验室正试图将因果建模理论与人工神经网络联系起来。<ref>{{Cite web|url=https://www.technologyreview.com/s/615189/what-ai-still-cant-do/|title=What AI still can't do|last=Bergstein|first=Brian|website=MIT Technology Review|language=en-US|access-date=2020-02-20}}</ref>

哥伦比亚大学设有因果人工智能实验室，该实验室正试图将因果建模理论与人工神经网络联系起来。<ref>{{Cite web|url=https://www.technologyreview.com/s/615189/what-ai-still-cant-do/|title=What AI still can't do|last=Bergstein|first=Brian|website=MIT Technology Review|language=en-US|access-date=2020-02-20}}</ref>